盈余信息不确定性的测量
会计盈余信息是资本市场上投资者所能获得的最重要的信息之一。尽管会计信息的编制必须遵循一定的会计准则，但上市公司仍然具有相当的灵活性。在分割资本市场上，由于上市公司披露的两套财务报告是按照不同的会计准则编制的，客观上带来了更多的盈余信息不确定性。本章采用FIOS模型（ francis、 Lafond、 Olsson和 Schipper，2007）来衡量信息不确定性。Francis、 Lafond、Oson和 Schipper（2007）认为，对投资者而言，除了现金流量之外，他们还非常重视会计盈余中的非现金部分：应计利润。如果应计利润与现金流量或企业的其他基础信息不能保持很好的映射关系，则该企业的信息不确定性较高。为此， Francis、 Lafond、 Olsson和 Schipper（2007用当期、前期和未来的经营性现金流、经营收益净额的变化值和固定资产原值来估计企业的经营性应计利润：
这里，TCA（TCA=△CA-△CL-△CASH+△ STDEBT）是企业的经营性应计利润；ACA是流动资产的变化值；△CL是流动负债的变化值；△CASH是现金及现金等价物的变化值；△ LSTDEBT是流动负债中债务（如短期银行借款，年内到期的长期银行借款等）的变化值；CFO（CFO=NBE-TA）是经营性现金流；NBE指企业的税后净利润；TA（TA=△CA-△CL-△CASH+△ STDEBT-DEPN）是总应计利润；DEPN指折旧与摊销；△REv是营业收入净额的变化值；PPE是固定资产原值。式（13.1）中的残差部分v就可以视为企业盈余信息质量的测量值，即基于FIOS模型计算的信息不确定性U。
取值在零附近表示信息不确定性小，盈余信息质量高，大于或小于零意味着信息不确定性大，盈余信息质量低（于李胜和王艳艳，2006）。为了避免正负号的影响，我们统一取p的绝对值来进行研究。根据 Francis、 Lafond、obson和 Schipper（2005）的研究，无论采用时间序列还是截面回归，估计值的差异不大。由于中国A股、H股双重上市公司的历史较短，没有足够的时间序列来估计U，因此，本章采用截面回归方法。在稳健性检验中，我们还采用了 Jones模型（ Jones，1991）和修正的 Jones模型（ Jones，1991）来计算信息不确定性U。
